資源描述：
《基于壓縮感知的數(shù)據(jù)壓縮與檢測(cè)_》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、網(wǎng)絡(luò)出版時(shí)間：2014-01-0808:16網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/61.1450.TP.20140108.0816.017.html基于壓縮感知的數(shù)據(jù)壓縮與檢測(cè)李燕，王博（南京郵電大學(xué)通信與信息工程學(xué)院，江蘇南京210003）摘要：在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)（WSN）中，以往都是采用奈奎斯特技術(shù)對(duì)信號(hào)進(jìn)行采樣并重構(gòu)，而隨著信號(hào)頻率的增加，應(yīng)用奈奎斯特技術(shù)會(huì)使成本大幅度的增加，這是人們所不樂(lè)見(jiàn)的。針對(duì)這一問(wèn)題，近年來(lái)出現(xiàn)一種新的技術(shù)即壓縮感知技術(shù)，它能利用更少的數(shù)據(jù)和合適的重構(gòu)方法得到更精確的原始信號(hào)。將稀疏貝葉斯學(xué)習(xí)（SBL）和壓縮感知聯(lián)合起來(lái)
2、，形成了一種在噪聲的情況下更好重建可壓縮信號(hào)的方法，并進(jìn)一步將這種方法應(yīng)用在WSN中，可以在誤差允許的范圍內(nèi)有效控制測(cè)量數(shù)據(jù)的維數(shù)，所以可以在保證了一定的誤差的同時(shí)還減少了成本，提高了算法的效率。關(guān)鍵字：無(wú)線(xiàn)傳感網(wǎng)絡(luò)；壓縮感知；貝葉斯模型；信號(hào)重構(gòu)中圖分類(lèi)號(hào)：TN91文獻(xiàn)標(biāo)識(shí)碼：ADatacompressionanddetectionbasedoncompressivesensingLIYan，WangBo（CollegeofCommunicationandInformationEngineering，NanjingUniversityofPostsandTelecommunication
3、s.NanJing210003，China）Abstract：Inwirelesssensornetworks，signalissampledandreconstructionusingthetechnologyofNyquistinthe,past.Butitrequiresasubstantialincreaseinthecostwiththegrowthofthesignalfrequency,whichisthatpeopledonotliketosee,Recentlytheemergenceofanewtechnology,whichiscalledcompressivesen
4、singtechnology,isagoodwaytosolvethisproblem.Compressivesensingcanuselessdataandappropriatereconstructionmethodtogetamoreaccurateoriginalsignal.wecanputSparseBayesianlearning(SBL)andcompressivesensingtogethertoformabetterreconstructioncompressiblesignalunderthenoise,Thismethodcaneffectivelycontrolt
5、hedimensionofmeasurementdatawithintherangeofallowederrorinWSN,soyoucanensureacertaindegreeoferrorwhilereducingthecostandimprovetheefficiencyofthealgorithm.Keywords:wirelesssensornetworks;compressivesensing;Bayesianmodel;signalreconstruction0.引言知網(wǎng)絡(luò)研究的首要問(wèn)題。應(yīng)用近年來(lái)形成的壓縮感知技術(shù)就是一種有效途徑，壓縮感知技術(shù)[1]在國(guó)內(nèi)無(wú)線(xiàn)傳感網(wǎng)絡(luò)是在
6、某個(gè)特定區(qū)域內(nèi)大量獨(dú)立分布的傳感器節(jié)點(diǎn)組成的。主要是由傳感器節(jié)點(diǎn)感外許多領(lǐng)域都得到了廣泛的應(yīng)用并取得了很顯著知數(shù)據(jù)，然后所感知的數(shù)據(jù)即監(jiān)測(cè)數(shù)據(jù)經(jīng)由其他傳的效果。在信號(hào)的重構(gòu)方面，相對(duì)于常用的貪婪追感器逐跳的進(jìn)行傳輸最終到達(dá)匯聚節(jié)點(diǎn)，匯聚節(jié)點(diǎn)蹤重構(gòu)算法實(shí)現(xiàn)點(diǎn)的估計(jì)，本文借助貝葉斯模型得把接收到的數(shù)據(jù)借助互聯(lián)網(wǎng)傳輸?shù)焦芾砉?jié)點(diǎn),用戶(hù)到整體數(shù)據(jù)后驗(yàn)概率的分布。在有噪聲條件下，BP【2】可以通過(guò)管理器節(jié)點(diǎn)對(duì)傳感器網(wǎng)絡(luò)進(jìn)行人工實(shí)時(shí)和OMP等方法都不能很好的重構(gòu)原來(lái)信號(hào)，但監(jiān)控和管理。但是傳感器節(jié)點(diǎn)一般是采用微型電池貝葉斯模型[3]就可以。并且通過(guò)大量實(shí)驗(yàn)表明選擇供電并且不可以頻繁地進(jìn)行更換，所以能量是
7、有限合適的反饋系數(shù)控制采集數(shù)據(jù)的維數(shù)可以在保證的。盡可能減少能量的消耗，即降低功耗是無(wú)線(xiàn)感允許誤差的前提下盡量減少測(cè)量次數(shù)降低成本提基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（60972041,60972045）作者簡(jiǎn)介：李燕（1989—），女，碩士研究生，南京郵電大學(xué)通信工程學(xué)院信號(hào)與信息處理專(zhuān)業(yè)，研究方向：在無(wú)線(xiàn)傳感網(wǎng)絡(luò)中壓縮感知的應(yīng)用。王博：（1987-）男，碩士研究生，南京郵電大學(xué)理學(xué)院應(yīng)用數(shù)學(xué)專(zhuān)業(yè)，研究方向:：信息處理
